KeepNotes blog

Stay hungry, Stay Foolish.

0%

R作图 火山图静态/交互式可视化（ggrepel和plotly）

Posted on Edited on In ,
Symbols count in article: 3.8k Reading time ≈ 3 mins.

火山图（Volcano Plot）常用于展现差异表达的基因，横坐标常为Fold change（倍数），纵坐标为P value（P值），这里以静态和动态两种形势展示火山图，主要还是为了介绍下ggplot2的插件ggrepel和plotly包 #### 静态散点图（火山图）

比如现在有一个差异基因表达分析后的数据sample.txt，读入R

data <- read.table(file = "sample.txt", header = T, sep = "\t")
head(data)
##Row.names  baseMean log2FoldChange     lfcSE      stat   pvalue     padj
##1       Cbl 1843.3501       1.720458 0.1308424 13.149091 1.72e-39 2.01e-35
##2     Nr3c1  130.6798       2.785015 0.2683346 10.378889 3.09e-25 1.80e-21
##3      Usp2  262.6009      -1.551694 0.1569736 -9.885063 4.83e-23 1.88e-19
##4     Reps2 1389.6760       1.506295 0.1696388  8.879425 6.72e-19 1.96e-15
##5     Atxn1 3045.2814      -1.221654 0.1406477 -8.685916 3.76e-18 8.77e-15
##6     Birc6  526.7531      -1.113232 0.1297528 -8.579636 9.52e-18 1.59e-14

根据差异标准对每个基因进行分类UP（上调），DOWN（下调）和NOT（没有差异）

data$change <-  as.factor(ifelse(data$padj < 0.01 & abs(data$log2FoldChange) > 1,ifelse(data$log2FoldChange > 1,'UP','DOWN'),'NOT'))

然后接下来就是传统的ggplot2作图了

library(ggplot2)
p <- ggplot(data = data, aes(x = log2FoldChange, y = -log10(padj), color = change)) +
  geom_point(alpha=0.8, size = 1) +
  theme_bw(base_size = 15) +
  theme(
    panel.grid.minor = element_blank(),
    panel.grid.major = element_blank(),
  scale_color_manual(name = "", values = c("red", "green", "black"), limits = c("UP", "DOWN", "NOT"))   
p
volcano1.png

上述的常规的作图方法，当然如果想美观点可以在theme主题上进行设置，这里不展开了。如果我想了解某个点的gene symbol是什么，最先想到的是用ggplot2里面的geom_text函数将gene symbol在点周围标注上；当然不可能将所有点都标注，只标注差异表达基因的点

再给data数据库加一列sign信息，满足显著差异的赋值为基因ID，不显著差异的赋值为NA（这里的差异标准我随便设的）

data$sign <- ifelse(data$padj < 0.01 & abs(data$log2FoldChange) > 1,data$Row.names,NA)

然后在上述图的代码基础上增加geom_text函数

p <- ggplot(data = data, aes(x = log2FoldChange, y = -log10(padj), color = change)) +
  geom_point(alpha=0.8, size = 1) +
  theme_bw(base_size = 15) +
  theme(
    panel.grid.minor = element_blank(),
    panel.grid.major = element_blank(),
  scale_color_manual(name = "", values = c("red", "green", "black"), limits = c("UP", "DOWN", "NOT")) +
  geom_text(aes(label = sign), size = 3)
p
volcano2.png

从上图可看出，由于点过于密集，导致那些点的标注已经产生了重叠，那么这时就能用ggrepel包的geom_text_repel函数了，比如用该函数替换上述代码的geom_text

library(ggrepel)
p <- ggplot(data = data, aes(x = log2FoldChange, y = -log10(padj), color = change)) +
  geom_point(alpha=0.8, size = 1) +
  theme_bw(base_size = 15) +
  theme(
    panel.grid.minor = element_blank(),
    panel.grid.major = element_blank(),
  scale_color_manual(name = "", values = c("red", "green", "black"), limits = c("UP", "DOWN", "NOT")) +
  geom_text_repel(aes(label = sign), box.padding = unit(0.3, "lines"), point.padding = unit(0.4, "lines"), show.legend = F, size = 3)
p
volcano2.png

从上图可看出，一些密集的区域用线使标注各自原理，解决标注重叠的问题，蛮好用的

动态交互式（火山图）

上面讲的都是写静态的火山图，那么如果想与图有一定的交互，那么可以使用R的plotly包，以我初步对plotly包的理解，其可以分为两部分，一部分是以其自有的plot_ly函数画散点图，另一部分是通过该包对ggplot2的借口，用ggplotly函数将ggplot2作图结果转化为交互式

比如还是上面的数据（接上面的代码），先以plot_ly作图

library(plotly)
p <- plot_ly(data, 
             x = ~log2FoldChange, 
             y = ~-log10(padj), 
             text = ~sign, 
             type = 'scatter', 
             mode = 'markers'
)
p
volcano4.png

从上图可看出，只要鼠标点到某个点上，即可查看其信息，比如可以有X轴、Y轴以及标注等信息，具体交互图可点击链接查看）http://www.bioinfo-scrounger.com/data/volcano_plot1.html（因为我还没搞定如何将html形式的动态图，放到wordpress搭建的博客的文章页面内。。。

上述plotly包自带的plot_ly函数毕竟功能太是太全，还不能画出像静态图那般的火山图，因此可以使用ggplotly函数来转化ggplot2的结果

p <- ggplot(data = data, aes(x = log2FoldChange, y = -log10(padj), color = change)) +
  geom_point(aes(text = sign), alpha=0.8, size = 1) +
  theme_bw(base_size = 15) +
  theme(
    panel.grid.minor = element_blank(),
    panel.grid.major = element_blank(),
    plot.title = element_text(hjust = 0.5)) +
  scale_color_manual(name = "", values = c("red", "green", "black"), limits = c("UP", "DOWN", "NOT"))
p <- ggplotly(p)
p
volcano5.png

从上图结果可看出，ggplotly函数是不是很赞！框内分别显示了gene symbol、foldchange、p value以及上下调，想看哪个就点哪个，如果想看看交互式结果，可点这个链接查看http://www.bioinfo-scrounger.com/data/volcano_plot2.html

参考资料： https://zhuanlan.zhihu.com/EasyCharts-R

本文出自于http://www.bioinfo-scrounger.com转载请注明出处

Related Posts